基于樣條曲線的壓氣機特性內(nèi)插算法研究

黨相懿，楊文廣，蔣東翔

基于樣條曲線的壓氣機特性內(nèi)插算法研究

黨相懿1,2，楊文廣1，蔣東翔1

（1.清華大學(xué)熱能工程系，北京100084；2.中航工業(yè)航空動力控制系統(tǒng)研究所，江蘇無錫214063）

針對壓氣機特性曲線中未知轉(zhuǎn)速數(shù)據(jù)難以精確計算問題，提出了基于樣條曲線的內(nèi)插算法。在分析壓氣機性能曲線特點基礎(chǔ)上，通過制作壓比/效率-流量、流量-轉(zhuǎn)速2組輔助線，并使用樣條曲線對其進(jìn)行擬合，基于擬合結(jié)果計算測試轉(zhuǎn)速下的特性數(shù)據(jù)，進(jìn)而完成了對某型壓氣機壓比/效率特性的內(nèi)插計算。結(jié)果表明：基于樣條曲線的內(nèi)插算法比RBF神經(jīng)網(wǎng)絡(luò)算法準(zhǔn)確性更高，并具有良好的工程應(yīng)用價值。

壓氣機；性能；樣條曲線；內(nèi)插算法；仿真計算；RBF網(wǎng)絡(luò)；燃?xì)廨啓C；熱力學(xué)模型

0 引言

作為燃?xì)廨啓C的3大部件之一，壓氣機的特性對于仿真結(jié)果有顯著影響。通過試驗獲取壓氣機特性費用高昂，且難以獲得全部轉(zhuǎn)速下的數(shù)據(jù)。因此，根據(jù)有限的試驗數(shù)據(jù)獲得壓氣機的未知特性數(shù)據(jù)具有重要意義。壓氣機特性具有很強的非線性特征，采用傳統(tǒng)的線性插值方法難以獲得理想的精度，因此許多學(xué)者研究壓氣機特性計算的新算法，如神經(jīng)網(wǎng)絡(luò)方法[1-3]、模糊辨識方法[4]、滑動最小二乘法[5]等。神經(jīng)網(wǎng)絡(luò)算法對于已知轉(zhuǎn)速線的擬合效果很好，理論上可以達(dá)到與試驗值無限逼近；但其擬合精度與泛化能力相矛盾，難以在獲得良好擬合精度的同時達(dá)到良好的插值效果[6]。模糊辨識方法對于壓氣機特性的擬合精度比神經(jīng)網(wǎng)絡(luò)的稍差，并且能否用于未知轉(zhuǎn)速數(shù)據(jù)的插值計算，以及精度如何等問題還需進(jìn)一步研究。而滑動最小二乘法算法復(fù)雜，計算量較大。樣條曲線作為1種非線性方法，其原理簡單，計算速度快，且擬合結(jié)果能夠完全保留樣本數(shù)據(jù)。

本文基于樣條曲線的特點，構(gòu)造了壓氣機特性圖的輔助線并對其擬合、插值，進(jìn)而完成特性曲線的計算。

1 壓氣機特性的內(nèi)插計算

典型的壓氣機特性曲線如圖1所示。它包括壓比特性曲線和效率特性曲線2部分，圖中數(shù)據(jù)為相對值[7]。壓氣機的特性一般表示為

式中：π為壓氣機壓比；η為壓氣機效率；m˙為壓氣機流量；n為壓氣機轉(zhuǎn)速。

圖1 壓氣機特性曲線

在一般情況下，在壓氣機出廠前會對其進(jìn)行測試，記錄某些轉(zhuǎn)速下的壓比、流量和效率等數(shù)據(jù)。但是這些數(shù)據(jù)不可能包含所有的轉(zhuǎn)速，因此在工程中需要根據(jù)已有的數(shù)據(jù)推算未知轉(zhuǎn)速下壓氣機特性[8]。基于試驗數(shù)據(jù)的壓氣機特性內(nèi)插計算是指通過已知等轉(zhuǎn)速的數(shù)據(jù)推算未知等轉(zhuǎn)速線數(shù)據(jù)，該目標(biāo)轉(zhuǎn)速值在已知數(shù)據(jù)轉(zhuǎn)速值的范圍內(nèi)。

從式（1）中可見，特性參數(shù)壓比和效率都是雙變量參數(shù)，因此需要進(jìn)行2次插值計算才能確定。在插值變量的選擇上，每個特性參數(shù)都有3種方案，即π/η-m˙，m˙-n,π/η-n 的組合。通過分析各類方案的效果，本文選用 π/η-m˙，m˙-n 的插值方式。

基于樣條曲線的壓氣機特性進(jìn)行計算（圖1），該數(shù)據(jù)包含25條等轉(zhuǎn)速線，相對轉(zhuǎn)速范圍為0.3172～1.1623，分別對應(yīng)轉(zhuǎn)速n1-n25。本文選取n4,n10，n18，作為目標(biāo)內(nèi)插等轉(zhuǎn)速線的測試樣本，其他轉(zhuǎn)速下的數(shù)據(jù)作為訓(xùn)練樣本。

2 樣條曲線

樣條曲線是指通過樣本節(jié)點來確定的光滑曲線，曲線的形狀由這些點確定，在節(jié)點兩邊樣條曲線段光滑。按照控制點處曲線的連續(xù)階數(shù)，樣條曲線具有不同的階次。比如最常用的3次樣條曲線，在控制點處第2階導(dǎo)數(shù)連續(xù)，即其曲率連續(xù)變化。類似的還有斜率連續(xù)的2次樣條曲線以及更高次的樣條曲線。

下面給出3次樣條曲線的嚴(yán)格數(shù)學(xué)定義[9]。

設(shè) 1 組數(shù)據(jù)點 Pi(xi,yi)，i=1,2,3,…,n 且 hi=xi+1-xi＞0,i=2,3,4,…,n。若有y=S(x)滿足以下條件：（1）在 Pi(xi,yi)點上有 y=S(xi)；

（2）S(x)在區(qū)間[x1,xn]上2階連續(xù)可導(dǎo)；

（3）在每個區(qū)間[xi,xi+1]上，S(x)是x不高于3次的多項式。

則S(x)稱為過點Pi(xi,yi),i=1,2,3…,n的3次樣條函數(shù)，由該函數(shù)構(gòu)成的曲線稱為3次樣條曲線。3次樣條曲線的求解方法已非常成熟[10]，本文不再贅述。從定義可知，3次樣條曲線擬合數(shù)據(jù)的本質(zhì)是通過“分段低次”代替單純地增加擬合多項式的次數(shù)，從而更加適合對非線性曲線進(jìn)行擬合計算。

分別利用5次多項式和3次樣條曲線對同1組數(shù)據(jù)進(jìn)行擬合的結(jié)果如圖2所示。從圖中可見，3次樣條曲線的擬合效果遠(yuǎn)好于多項式的。圖中“spline”特指3次樣條曲線。

圖2 多項式與樣條曲線擬合效果比較

3 壓氣機特性內(nèi)插算法

為了對壓氣機特性進(jìn)行內(nèi)插計算，本文使用了2組輔助線，具體以壓比特性計算為例進(jìn)行說明。

（1）構(gòu)造輔助線

特性曲線有25條等轉(zhuǎn)速線，每條等轉(zhuǎn)速線上有8個點，形成1個25×8的點陣A。在壓比特性圖上，依次連接點陣A的每1列就形成8條輔助線，如圖3（a）所示。從圖中可見，每條輔助線都是1條參數(shù)為π,m˙的曲線，這就是進(jìn)行π-m˙參數(shù)擬合的對象。

圖3 輔助線

對于m˙-n插值，需要提取各條輔助線上點的流量和轉(zhuǎn)速數(shù)據(jù)，重新繪制出需要插值的8條曲線，其結(jié)果如圖 3（b）所示。

（2）m˙-n 插值

分別使用RBF網(wǎng)絡(luò)和樣條曲線對8條m˙-n輔助線進(jìn)行擬合，得到8個RBF網(wǎng)絡(luò)和8條樣條曲線；將目標(biāo)轉(zhuǎn)速n4，n10，n18分別代入訓(xùn)練好的網(wǎng)絡(luò)或樣條曲線，得到該目標(biāo)等轉(zhuǎn)速線與輔助線相交8個點的流量值。

（3）π-m˙插值

分別使用RBF網(wǎng)絡(luò)和樣條曲線對8條π-m˙輔助線進(jìn)行擬合，然后將（2）中m˙-n插值所得流量值代入該網(wǎng)絡(luò)或樣條曲線中就得到輔助線與該等轉(zhuǎn)速線相交8個點的壓比值。

（4）做出壓比曲線

根據(jù)（2）和（3）獲得的流量與壓比值，在壓比特性曲線圖上可以獲得8個點，這就是內(nèi)插得到的目標(biāo)轉(zhuǎn)速壓比特性曲線。其上、下邊界分別由第1和第8條輔助線界定。

壓氣機效率特性的內(nèi)插與此類似，只需將（3）中的擬合對象替換成η-m˙輔助線即可。

4 結(jié)果和分析

按照第3章所述方法，針對圖1數(shù)據(jù)中n4,n10,n18 3條等轉(zhuǎn)速線進(jìn)行內(nèi)插計算。RBF網(wǎng)絡(luò)和3次樣條曲線的結(jié)果分別如圖4、5所示。

圖4 RBF神經(jīng)網(wǎng)絡(luò)內(nèi)插結(jié)果

3條測試等轉(zhuǎn)速線內(nèi)插計算的壓比結(jié)果和效率結(jié)果分別如圖6、7所示。圖中RBF指RBF神經(jīng)網(wǎng)絡(luò)，spline指3次樣條曲線。圖6中RBF網(wǎng)絡(luò)的n18插值結(jié)果看似n17的插值結(jié)果，這只是由誤差引起的巧合。

圖5 3次樣條曲線內(nèi)插結(jié)果

圖6 等轉(zhuǎn)速線的壓比插值結(jié)果

圖7 等轉(zhuǎn)速線的效率插值結(jié)果

表1 等轉(zhuǎn)速線壓比特性內(nèi)插誤差

表2 等轉(zhuǎn)速線效率特性內(nèi)插誤差

內(nèi)插結(jié)果均方根誤差和平均相對誤差見表1、2。表中RMSE為均方根誤差，MRE為平均相對誤差。

從表中結(jié)果可知，3次樣條曲線的內(nèi)插精度要優(yōu)于RBF神經(jīng)網(wǎng)絡(luò)的。這是因為RBF網(wǎng)絡(luò)要求大量的訓(xùn)練樣本，且其準(zhǔn)確性和泛化性是1對矛盾。對于本例來說，m˙-n輔助線的訓(xùn)練樣本較少，且曲線形態(tài)變化大，因此RBF網(wǎng)絡(luò)難以在準(zhǔn)確性和泛化性上都獲得滿意的結(jié)果，插值誤差較大，傳遞到第2次π/η-m˙插值上使整體插值精度下降。而樣條曲線對于形態(tài)變化較大的曲線擬合效果較好，且受樣本數(shù)量限制較小，因此具有更好的內(nèi)插精度。

為了驗證這一結(jié)論，使用3次樣條曲線代替RBF網(wǎng)絡(luò)對m˙-n 插值，π/η-m˙插值仍使用 RBF 網(wǎng)絡(luò)，插值結(jié)果的平均相對誤差見表3。表3顯示RBF與樣條曲線結(jié)合的插值方式相對單一RBF插值，壓比結(jié)果均更好，且轉(zhuǎn)速越高差別越明顯；效率結(jié)果低轉(zhuǎn)速n4插值精度稍低，中高轉(zhuǎn)速n10精度相當(dāng)，n18精度提高。結(jié)合圖3可知，因為中低轉(zhuǎn)速區(qū)m˙-n基本呈線性變化，樣條曲線的擬合優(yōu)勢并未顯現(xiàn)。

表3 RBF-樣條曲線結(jié)合方法的平均相對誤差

5 結(jié)論

（1）基于某型發(fā)動機特性數(shù)據(jù)，構(gòu)造了 π/η-m˙，m˙-n輔助線，并分別使用RBF神經(jīng)網(wǎng)絡(luò)和3次樣條曲線插值計算，獲得了測試等轉(zhuǎn)速線下的特性曲線。

（2）3次樣條曲線內(nèi)插效果優(yōu)于RBF神經(jīng)網(wǎng)絡(luò)的，其優(yōu)勢在于對m˙-n輔助線的計算。

（3）基于3次樣條曲線內(nèi)插計算壓氣機特性可以獲得較高的精度，對提高燃?xì)廨啓C仿真精度具有重要意義。

[1]梁磊,徐洪志,安學(xué)利,等.航空發(fā)動機故障特征仿真研究[J].計算機仿真，2012（4）：15.LIANG Lei，XU Hongzhi，AN Xueli,et al.Faults analysis and simulation for aeroengine[J].Computer Simulation，2012（4）：015.(in Chinese)

[2]趙雄飛，劉永葆，賀星，等.基于統(tǒng)計學(xué)檢驗指標(biāo)的燃?xì)廨啓C部件特性方程擬合次數(shù)的選擇[J].航空發(fā)動機，2011，37（5）：7-10.ZHAO Xiongfei，LIU Yongbao，HE Xing，et al.Selection of fitting order times of gas turbine component characteristic equation based on statistics evaluation indexes[J].Aeroengine，2011，37（5）：7-10.(in Chinese)

[3]劉小方,蔣磊,司品順,等.燃?xì)廨啓C壓氣機特性曲線的擬合方法[J].艦船科學(xué)技術(shù)，2012 34（7）:61-63.LIU Xiaofang，JIANGLei，SIPinshun，et al.Research on curve fitting method of compressor characteristic curve[J].Ship Science and Technology，2012，34（7）：61-63.(in Chinese)

[4]王志濤，李淑英，譚智勇.基于BP和RBF神經(jīng)網(wǎng)絡(luò)壓氣機特性曲線擬合方法的研究[J].汽輪機技術(shù)，2009，51（2）：94-99.WANG Zhitao,LI Shuying,TAN Zhiyong.Comparing study on the fitting method of compressor characteristic curve based on BP and RBF neural network[J].Turbine Technology,2009，51（2）：94-99.(in Chinese)

[5]彭靖波,謝壽生.基于RBF神經(jīng)網(wǎng)絡(luò)的壓氣機特性仿真[J].推進(jìn)技術(shù)，2006，27（1）：30-32.PENG Jingbo,XIE Shousheng.Compressor characteristic simulation based on RBF neural network[J].Journal of Propulsion Technology，2006，27（1）：30-32.(in Chinese)

[6]Ghorbanian K,Gholamrezaei M.An artificial neural network approach to compressor performance prediction[J].Applied Energy，2009，86（7）:1210-1221.

[7]蔣愛武，謝壽生.基于支持向量機和粒子群算法的壓氣機特性計算[J].航空動力學(xué)報，2010（11）：2571-2577.JIANG Aiwu,XIE Shousheng.Method to achieving compressor characteristics based on support vector machine(SVM)and particle swarm optimization(PSO)[J].Journal of Aerospace Power，2010（11）：2571-2577.(in Chinese)

[8]唐麗麗，王廣軍.壓氣機特性的模糊辨識[J].計算機仿真，2009，26（1）：70.TANG Lili，WANG Guangjun.Fuzzy identification of air compressor characteristics[J].Computer Simulation，2009，26（1）：70.(in Chinese)

[9]楊欣毅，沈偉，劉海峰，等.一種應(yīng)用滑動最小二乘求取壓氣機特性的方法[J].航空動力學(xué)報，2009，24（8）:1741-1746.YANG Xinyi,SHEN Wei,LIU Haifeng,et al.Compressor characteristics generation method using moving least square[J].Journal of Aerospace Power，2009，24（8）:1741-1746.(in Chinese)

[10]李祚泳，易勇鷙.BP網(wǎng)絡(luò)學(xué)習(xí)能力與泛化能力之間的定量關(guān)系式[J].電子學(xué)報，2003，31（9）：1341-1344.LI Zuoyong，YI Yongzhi.Quantitative relation between learning ability and generalization ability of BP neural network[J].Acta Electronica Sinica，2003，31（9）：1341-1344.(in Chinese)

[11]郭云，吳松強.三次樣條曲線擬合的算法及實現(xiàn)[J].計算機應(yīng)用研究，1996，13（6）：41-42.GUO Yun，WU Songqiang.Algorithm and realization of cubic spline curve fitting[J].，1996，13（6）：41-42.(in Chinese)

[12]駱廣琦，桑增產(chǎn)，王如根，等.航空燃?xì)鉁u輪發(fā)動機數(shù)值仿真[M].北京：國防工業(yè)出版社，2007：182-183.LUO Guangqi，SANG Zengchan，WANG Rugen，et al.Numerical methods for aviation gas turbine engine simulation [M].Beijing：National Defense Industry Press，2007：182-183.(in Chinese)

[13]Kong C，Ki J.Components map generation of gas turbine engine using genetic algorithms and engine performance deck data[J].Journal of Engineering for Gas Turbines and Power，2007，129（2）：312-317.

[14]柏慶昆.一般的三次參數(shù)樣條曲線的幾何連續(xù)性及其插值方法[D].長春：東北師范大學(xué)，2006.BAI Qingkun.The geometry continuity and interpolation method of general cubic parametric spline curves[D].Changchun：Northeast Normal University，2006.(in Chinese)

[15]陳文略，王子羊.三次樣條插值在工程擬合中的應(yīng)用[J].華中師范大學(xué)學(xué)報：自然科學(xué)版，2004，38（4）：418-422.CHEN Wenlve，WANG Ziyang.The application of cubic splines interpolation in the project fitting[J].Journal of Central China Normal University ：Natural Sciences，2004，38（4）：418-422.(in Chinese)

Interpolation Algorithm of Compressor Characteristics Based on Spline

DANG Xiang-yi,YANG Wen-guang,JIANG Dong-xiang
（1.Department of Thermal Engineering,Tsinghua University,Beijing 100084,China,2.AVIC Aeroengine Control Institute,Wuxi Jiangsu 214063,China）

Consideringtheunknownrotatingspeed dataof compressor characteristicswerenoteasy tocalculateaccurately,ainterpolation algorithmbased on splinewas presented.The splinecurveswereused to fit the auxiliary lines of compression ratio/efficiency to massflow and massflow to rotating speed based on analysis of the compressor characteristics.Thecharacteristicsdata were calculated at test speed based on the spline-fitting results.The interpolation algorithm of pressure ratio/efficiency characteristics of a compressor were completed.The results showthatthealgorithmismoreaccurate,and hasbetter engineeringapplication valuethan an algorithmbased on RBFnetwork.

compressor;performance;spline;interpolation algorithm;simulation calculation;RBF network;gas turbine;thermodynamic model

V235.11+3

A

10.13477/j.cnki.aeroengine.2015.01.004

2014-03-13 基金項目：國家自然科學(xué)基金（60979014）資助

黨相懿（1990），男，在讀碩士研究生，研究方向為燃?xì)廨啓C/航空發(fā)動機故障診斷；E-mail：dangxiangyi110@sina.com。

黨相懿，楊文廣，蔣東翔.基于樣條曲線的壓氣機特性內(nèi)插算法研究[J].航空發(fā)動機，2015，41（1）：22-26.DANGXiangyi,YANGWenguang,JIANGDongxiang.Interpolation algorithmof compressor characteristicsbased on spline[J].Aeroengine，2015，41(1)：22-26.

（編輯：沈廣祥）